利用 Xilinx 器件的 INT8 优化开展深度学习

本白皮书旨在探索实现在赛灵思 DSP48E2 Slice 上的 INT8 深度学习运算，以及与 其他 FPGA 的对比情况。在相同资源数量情况下，赛灵思的 DSP 架构凭借 INT8 在 INT8 深度学习每秒运算次数 (OPS) 上相比其它 FPGA，能实现 1.75 倍的峰值 解决方案级性能。由于深度学习推断可以在不牺牲准确性的情况下使用较低位精 度，因此需要高效的 INT8 实现方案。 赛灵思的 DSP 架构和库专门针对 INT8 深度学习推断进行了优化。本白皮书介绍 如何使用赛灵思 UltraScale 和 UltraScale+ FPGA 中的 DSP48E2，在共享相同内 核权重的同时处理两个并行的 INT8 乘法累加 (MACC) 运算。本白皮书还阐述了 要运用赛灵思这一独特技术，为何输入的最小位宽为 24 位。本白皮书还以 INT8 优化技术为例，展示了该技术与神经网络基本运算的相关性。

点击下载白皮书：

https://china.xilinx.com/support/documentation/white_papers/c_wp486-deep-learning-int8.pdf